公开(公告)号：CN117809203B

公开(公告)日：2024-05-14

申请号：CN202410217961.1

申请日：2024-02-28

Applicant: 南京信息工程大学

Inventor： 丁嘉慕 ,  杭仁龙 ,  刘青山

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/40 ,  G06V10/766 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种多任务持续学习的跨海域热带气旋强度估计方法，包括：构建热带气旋强度估计模型，热带气旋强度估计模型包括相互连接的海域聚合残差模块和风‑压任务模块，将红外通道和水汽通道拼接后的单帧热带气旋图像作为热带气旋强度估计模型的输入，将神经网络回归得到的最大持续风速和最低气压值作为热带气旋强度估计模型的输出；输入单帧的红外水汽数据和指定的海域ID至训练完成的热带气旋强度估计模型，输出对应的最大持续风速值。本发明能够同时在多个海域上泛用，具有较强的实用性。

公开(公告)号：CN110070485A

公开(公告)日：2019-07-30

申请号：CN201910268594.7

申请日：2019-04-04

Applicant: 南京信息工程大学

Inventor： 杭仁龙 ,  周峰 ,  刘青山

IPC: G06T3/00

Abstract: 本发明公开了一种高光谱图像降维方法，包括以下步骤：首先，使用过分割方法将原始的高光谱图像分成不相重叠的超像素；紧接着，由于一个超像素内的像素点通常属于同一类物体，本发明使用类内图来描述这种空间信息；最后，将基于超像素级的类内图作为正则项引入到LGDE模型中。此外，为了有效地捕捉高光谱图像的非线性特征，本发明将线性LGDE扩展成核版本。和原始像素点分类方法(RAW)、主成分分析(PCA)、线性判别分析(LDA)方法、谱空线性判别分析(SSLDA)方法、局部保留投影(LPP)方法、基于协同图的判别分析(CGDE)方法、基于稀疏图的判别分析(SGDE)方法、基于局部图的判别分析(LGDE)方法相比，在相同的实验条件下，本发明方法的分类结果更加准确。

公开(公告)号：CN108268890A

公开(公告)日：2018-07-10

申请号：CN201711462907.X

申请日：2017-12-28

Applicant: 南京信息工程大学

Inventor： 刘青山 ,  周峰 ,  杭仁龙 ,  葛玲玲

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于空谱长短时记忆网络的高光谱图像分类方法，包括以下步骤：首先，针对每一个像素点，将该像素点不同通道的光谱值依次输入到光谱长短时记忆网络中，来提取像素点的光谱特征并得到基于光谱域的分类结果；与此同时，利用主成分分析将高光谱图像的第一个主成分提取出来，然后，将主成分中以上述像素点为中心的局部图像块按行拆成一组行向量依次输入到空间长短时记忆网络中，来学习像素点的空间特征并得到基于空间域的分类结果；最后，对像素点基于空间特征和光谱特征的两种分类结果使用决策融合得到联合的空谱分类结果。

公开(公告)号：CN113792822B

公开(公告)日：2022-04-01

申请号：CN202111352357.2

申请日：2021-11-16

Applicant: 南京信息工程大学

Inventor： 杭仁龙 ,  钱旭威 ,  刘青山

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/776 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明涉及图像信息处理技术领域，具体涉及一种高效的动态图像分类方法。在两种分类场景设置下，本发明方法的计算效率始终比多尺度密集网络、分辨率自适应网络、带中间分类器的残差网络、带中间分类器的密集网络、不同大小的残差网络集合、不同大小的密集网络集合、GoogleNet、宽残差网络的计算效率高；通过交叉融合模块和自适应蒸馏模块促进网络内不同分辨率特征之间的协作，使在低分辨率分支被视为“困难”的样本变得不再困难。此外，我们通过设置阈值使得本发明可以动态地停止推理，有效地提高了计算效率。

公开(公告)号：CN108182449A

公开(公告)日：2018-06-19

申请号：CN201711416468.9

申请日：2017-12-25

Applicant: 南京信息工程大学

Inventor： 杭仁龙 ,  刘青山 ,  陈基伟 ,  王素娟

IPC: G06K9/62 ,  G06K9/40

Abstract: 本发明公开了一种高光谱图像分类方法，属于图像信息处理技术领域。本发明方法包括以下步骤：首先，输入一张高光谱图像，以它的每个像素点为中心，提取多尺度的子立方块；其次，对于同一尺度的立方块，利用鲁棒矩阵判别分析模型挖掘其空-谱特征；最后，将每个尺度上的特征表示送入支持向量机模型，得到每个尺度的分类结果，并用“多数投票(Majority Voting)”法融合不同尺度的分类结果。相对于其它基于判别分析模型的特征提取方法，本发明不仅利用了高光谱图像的光谱信息，而且充分利用了其空间信息，因而可以获取更好的分类效果，并且对噪声和图像退化具有一定的鲁棒性。

公开(公告)号：CN105512677A

公开(公告)日：2016-04-20

申请号：CN201510867801.2

申请日：2015-12-01

Applicant: 南京信息工程大学

Inventor： 徐军 ,  张倩 ,  杭仁龙 ,  龚磊 ,  季卫萍

IPC: G06K9/62

CPC classification number: G06K9/6269

Abstract: 本发明公开了基于Hash编码的遥感图像分类方法，该方法提出了用Hash自动编码的思想来处理高光谱遥感图像，将遥感图像每个通道分成N*N小块，将每个小块进行Hash处理，生成Hash序列用来表征块的特征，然后将生成的编码进行分类。和基于图像块的分类方法相比，在相同的实验条件下，本发明方法的图像分类结果更加准确，视觉效果更好。

公开(公告)号：CN104361611A

公开(公告)日：2015-02-18

申请号：CN201410659365.5

申请日：2014-11-18

Applicant: 南京信息工程大学

Inventor： 孙玉宝 ,  周伟 ,  刘青山 ,  杭仁龙 ,  邓健康

IPC: G06T7/20

CPC classification number: G06T7/251 ,  G06T7/207 ,  G06T7/215 ,  G06T2207/10016

Abstract: 本发明公开了一种基于群稀疏鲁棒PCA的运动目标检测方法，属于图像信息处理技术领域，包括以下步骤：输入视频序列；运用过分割算法进行区域分割，生成多个同性区域，将其作为群稀疏约束的分组信息；设置相关参数，使用增广拉格朗日乘子法迭代求解；通过群稀疏约束估计运动目标矩阵；应用核范数约束估计背景矩阵；更新乘子和惩罚参数；判断收敛性，如果收敛则输出所得的背景和运动目标，否则继续迭代。本发明利用运动分布的连续性先验，建立群稀疏鲁棒PCA运动目标检测模型，运用群稀疏准则判别各同性区域是否为运动目标，能够更加准确地度量运动目标的区域边界，且对复杂的背景运动更加鲁棒，达到了运动目标鲁棒检测的目的。

公开(公告)号：CN103258214A

公开(公告)日：2013-08-21

申请号：CN201310150058.X

申请日：2013-04-26

Applicant: 南京信息工程大学

Inventor： 徐军 ,  杭仁龙

IPC: G06K9/66

Abstract: 本发明公开了一种基于图像块主动学习的遥感图像分类方法，属于图像信息处理技术领域。本发明方法包括以下步骤：遥感图像的分块；初始样本的选择；分类器模型训练；主动学习样本选择；训练样本集及分类器模型更新；分类过程迭代；图像块分类预测；块分类结果到像素分类结果的转化。本发明以图像块为研究对象，和传统的基于像素点的主动学习的遥感图像分类方法相比，在相同的实验条件下，图像的分类结果更加准确，主动学习筛选出的块样本能够更加快速准确的进行人工标注，并且分类图的结构性更强，大大降低了直接由像素点分类所带来的“斑点”，给人更好的视觉效果。

公开(公告)号：CN119810602A

公开(公告)日：2025-04-11

申请号：CN202411877074.3

申请日：2024-12-19

Applicant: 南京信息工程大学

Inventor： 杭仁龙 ,  徐偲淇

IPC: G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/44 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了基于跨样本语义对比学习的遥感图像语义变化检测方法，包括：构建共享权重的孪生残差网络；将原始的双时遥感图像对应裁剪成块，分别输入到孪生残差网络的对应分支中；构建特征提取模块，并在孪生残差网络的第一阶段后嵌入特征提取模块；构建变化检测模块，并将孪生残差网络的第三阶段中生成的中间特征输入至变化检测模块中；构建多尺度特征金字塔融合模块，将辅助融合特征图、抽象融合特征图以及变化结果特征图输入至多尺度特征金字塔融合模块中，得到语义变化检测的最终结果。本发明嵌合了跨样本语义一致性特征提取模块，从而能够更佳的学习语义变化检测所需要的地物一致性信息，并能够提升语义变化检测结果的准确性和可靠性。

公开(公告)号：CN114494283B

公开(公告)日：2025-03-04

申请号：CN202111602281.4

申请日：2021-12-24

Applicant: 南京信息工程大学 ,  江苏省气候中心

Inventor： 杭仁龙 ,  杨平 ,  周峰 ,  刘青山 ,  谢小萍 ,  徐萌

IPC: G06T7/11 ,  G06T3/4007 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/048 ,  G06V10/46

Abstract: 本发明公开了一种农田自动分割方法及系统，包括：获取原始的遥感影像，将原始的遥感影像裁剪成影像块，依次输入到农田粗分割网络的编码器模块，得到不同尺度下的农田特征；根据所述不同尺度下的农田特征和卷积网络中的浅层特征解码得到粗分割结果；利用粗分割结果定位所述原始的遥感影像中属于农田的像素，通过由卷积神经网络构成的农田细分割网络对所述像素进行二次判断，剔除粗分割结果中误分为农田的像素，得到细分割结果；将输入的所有影像块的细分割结果以均值叠加的方式拼接，完成原始大图的分割。优点：本发明能够解决农田尺度不一的问题以及避免将田埂等道路信息误分割为农田。